Funnyworld1412/ABSA_game_squad_busters-polarity

SetFit Polarity Model

This is a SetFit model that can be used for Aspect Based Sentiment Analysis (ABSA). A LogisticRegression instance is used for classification. In particular, this model is in charge of classifying aspect polarities.

The model has been trained using an efficient few-shot learning technique that involves:

1. Fine-tuning a Sentence Transformer with contrastive learning.
2. Training a classification head with features from the fine-tuned Sentence Transformer.

This model was trained within the context of a larger system for ABSA, which looks like so:

1. Use a spaCy model to select possible aspect span candidates.
2. Use a SetFit model to filter these possible aspect span candidates.
3. Use this SetFit model to classify the filtered aspect span candidates.

Model Details

Model Description

• Model Type: SetFit
• Classification head: a LogisticRegression instance
• spaCy Model: id_core_news_trf
• SetFitABSA Aspect Model: Funnyworld1412/ABSA_game_squad_busters-aspect
• SetFitABSA Polarity Model: Funnyworld1412/ABSA_game_squad_busters-polarity
• Maximum Sequence Length: 8192 tokens
• Number of Classes: 2 classes

Model Sources

• Repository: SetFit on GitHub
• Paper: Efficient Few-Shot Learning Without Prompts
• Blogpost: SetFit: Efficient Few-Shot Learning Without Prompts

Model Labels

Label	Examples
Negative	'coba digame lain koneksi aman, tapi:koneksi tidak stabil, setelah matching, tiba tiba lag dan tidak bisa masuk kedalam game, saya coba digame lain koneksi aman, tapi waktu balik lagi ke game ini masih aja lag logo wifi, dan parahnya lagi setelah lag didalam match, tidak bisa melanjutkanya lagi sistem eror mohon muat ulang game, begitu...terus hingga match berakhir. mohon lakukan perbaikan atas lag signal tidak stabil' ',, padahal koneksi di rumah sangat:gamenya sebenarnya sangat seru, konsepnya menarik,, gameplay simple. yang membuat jengkel adalah masalah koneksi yang tiba down atau bahkan terputus, dan yang membuat kesal winstreak yang dikumpulkan hilang hanya karena server yang tidak setabil,, padahal koneksi di rumah sangat lancar.. kemarin ada maintenance kirain mau perbaiki masalah ini, ternyata tetap saja dan malah tidak ada kompensasi, mungkin juga karena game baru jadi butuh lebih banyak persiapan,, semoga masalahnya cepat diperbaiki.' 'hilang hanya karena server yang tidak setabil:gamenya sebenarnya sangat seru, konsepnya menarik,, gameplay simple. yang membuat jengkel adalah masalah koneksi yang tiba down atau bahkan terputus, dan yang membuat kesal winstreak yang dikumpulkan hilang hanya karena server yang tidak setabil,, padahal koneksi di rumah sangat lancar.. kemarin ada maintenance kirain mau perbaiki masalah ini, ternyata tetap saja dan malah tidak ada kompensasi, mungkin juga karena game baru jadi butuh lebih banyak persiapan,, semoga masalahnya cepat diperbaiki.'
Positive	'mungkin juga karena game baru jadi butuh:gamenya sebenarnya sangat seru, konsepnya menarik,, gameplay simple. yang membuat jengkel adalah masalah koneksi yang tiba down atau bahkan terputus, dan yang membuat kesal winstreak yang dikumpulkan hilang hanya karena server yang tidak setabil,, padahal koneksi di rumah sangat lancar.. kemarin ada maintenance kirain mau perbaiki masalah ini, ternyata tetap saja dan malah tidak ada kompensasi, mungkin juga karena game baru jadi butuh lebih banyak persiapan,, semoga masalahnya cepat diperbaiki.' 'sangat seru, konsepnya menarik,,:gamenya sebenarnya sangat seru, konsepnya menarik,, gameplay simple. yang membuat jengkel adalah masalah koneksi yang tiba down atau bahkan terputus, dan yang membuat kesal winstreak yang dikumpulkan hilang hanya karena server yang tidak setabil,, padahal koneksi di rumah sangat lancar.. kemarin ada maintenance kirain mau perbaiki masalah ini, ternyata tetap saja dan malah tidak ada kompensasi, mungkin juga karena game baru jadi butuh lebih banyak persiapan,, semoga masalahnya cepat diperbaiki.' 'menarik,, gameplay simple. yang:gamenya sebenarnya sangat seru, konsepnya menarik,, gameplay simple. yang membuat jengkel adalah masalah koneksi yang tiba down atau bahkan terputus, dan yang membuat kesal winstreak yang dikumpulkan hilang hanya karena server yang tidak setabil,, padahal koneksi di rumah sangat lancar.. kemarin ada maintenance kirain mau perbaiki masalah ini, ternyata tetap saja dan malah tidak ada kompensasi, mungkin juga karena game baru jadi butuh lebih banyak persiapan,, semoga masalahnya cepat diperbaiki.'

Uses

Direct Use for Inference

First install the SetFit library:

pip install setfit

Then you can load this model and run inference.

from setfit import AbsaModel

# Download from the 🤗 Hub
model = AbsaModel.from_pretrained(
    "Funnyworld1412/ABSA_game_squad_busters-aspect",
    "Funnyworld1412/ABSA_game_squad_busters-polarity",
)
# Run inference
preds = model("The food was great, but the venue is just way too busy.")

Training Details

Training Set Metrics

Training set	Min	Median	Max
Word count	11	39.7490	94

Label	Training Sample Count
konflik	0
negatif	0
netral	0
positif	0

Training Hyperparameters

• batch_size: (4, 4)
• num_epochs: (1, 1)
• max_steps: -1
• sampling_strategy: oversampling
• num_iterations: 10
• body_learning_rate: (2e-05, 1e-05)
• head_learning_rate: 0.01
• loss: CosineSimilarityLoss
• distance_metric: cosine_distance
• margin: 0.25
• end_to_end: False
• use_amp: False
• warmup_proportion: 0.1
• seed: 42
• eval_max_steps: -1
• load_best_model_at_end: False

Training Results

Epoch	Step	Training Loss	Validation Loss
0.0004	1	0.1468	-
0.0198	50	0.2275	-
0.0395	100	0.1824	-
0.0593	150	0.1943	-
0.0791	200	0.0063	-
0.0988	250	0.2251	-
0.1186	300	0.0068	-
0.1383	350	0.0046	-
0.1581	400	0.0015	-
0.1779	450	0.0014	-
0.1976	500	0.0018	-
0.2174	550	0.2301	-
0.2372	600	0.0011	-
0.2569	650	0.0051	-
0.2767	700	0.0015	-
0.2964	750	0.0016	-
0.3162	800	0.0007	-
0.3360	850	0.0027	-
0.3557	900	0.0014	-
0.3755	950	0.0077	-
0.3953	1000	0.001	-
0.4150	1050	0.0006	-
0.4348	1100	0.0009	-
0.4545	1150	0.1986	-
0.4743	1200	0.0004	-
0.4941	1250	0.0008	-
0.5138	1300	0.0008	-
0.5336	1350	0.0011	-
0.5534	1400	0.0088	-
0.5731	1450	0.001	-
0.5929	1500	0.0025	-
0.6126	1550	0.0006	-
0.6324	1600	0.0005	-
0.6522	1650	0.0006	-
0.6719	1700	0.0024	-
0.6917	1750	0.0725	-
0.7115	1800	0.1236	-
0.7312	1850	0.0006	-
0.7510	1900	0.001	-
0.7708	1950	0.0003	-
0.7905	2000	0.0003	-
0.8103	2050	0.0004	-
0.8300	2100	0.0004	-
0.8498	2150	0.0005	-
0.8696	2200	0.0003	-
0.8893	2250	0.0005	-
0.9091	2300	0.0003	-
0.9289	2350	0.0004	-
0.9486	2400	0.0005	-
0.9684	2450	0.0006	-
0.9881	2500	0.0007	-

Framework Versions

• Python: 3.10.13
• SetFit: 1.0.3
• Sentence Transformers: 3.0.1
• spaCy: 3.7.5
• Transformers: 4.36.2
• PyTorch: 2.1.2
• Datasets: 2.19.2
• Tokenizers: 0.15.2

Citation

BibTeX

@article{https://doi.org/10.48550/arxiv.2209.11055,
    doi = {10.48550/ARXIV.2209.11055},
    url = {https://arxiv.org/abs/2209.11055},
    author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
    keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
    title = {Efficient Few-Shot Learning Without Prompts},
    publisher = {arXiv},
    year = {2022},
    copyright = {Creative Commons Attribution 4.0 International}
}